基于LM-BP神经网络的机床伺服系统故障诊断  

Fault diagnosis of servomechanism for machine tool based on LM-BP neural network

作　　者：唐甜[1] 张向利[1] 陶晗 韦礼凯 

机构地区：[1]桂林电子科技大学信息与通信学院,广西桂林541004 [2]桂林机床股份有限公司,广西桂林541001

出　　处：《桂林电子科技大学学报》2013年第3期218-222,共5页Journal of Guilin University of Electronic Technology

基　　金：国家自然科学基金(61163060);广西自然科学基金(2011GXSFD01802);广西科学研究与技术开发计划(桂科攻12118017-2C);桂林市科学研究与技术开发计划(20120104-13);广西教育厅科研项目(201101ZD006)

摘　　要：针对故障复杂、传统维修方法较难实现快速、准确的故障定位问题,在克服传统BP神经网络进行故障诊断存在问题的基础上,引入基于LM-BP的神经网络方法,对机床伺服系统进行故障诊断和分析。设计了一种基于LM-BP神经网络的机床故障诊断方案,应用3层BP神经网络,建立机床伺服系统LM-BP神经网络故障诊断模型,实现在一个复杂的非线性动力系统中,根据设备运行参数的变化调整分类过程,准确判断故障及其位置。实验结果表明,LM-BP神经网络较传统BP神经网络能更精确地诊断机床运行中伺服系统的故障和预测机床运行中伺服系统出现的故障类型。Aiming at the complexity of machine fault, the traditional maintenance method is difficult to achieve fast and accurate fault location, The fault diagnosis and analysis for the machine tool servomechanism is made based on LM-BP neural network method. The LM-BP neural network fault diagnosis model is designed, the classification process is ad- justed according to the change of equipment operation parameters, the fault and its position are accurately judged in a complex nonlinear dynamic system. The experimental result shows that LM-BP neural network can more accurately diagnose fault in the operation of machine tool servomechanism and forecaste fault type than the traditional BP neural network.

关 键 词：机床伺服系统 神经网络 BP算法 LM-BP算法 故障诊断 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP206.3[自动化与计算机技术—控制科学与工程]